BenchLeader

DeepSeek V4.1 Flash 1017 vs GPT-6 Sol

完整资料:DeepSeek V4.1 Flash 1017(DeepSeek)和 GPT-6 Sol(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 14 个来源

截至 2026年11月16日,质量上 GPT-6 Sol 领先 DeepSeek V4.1 Flash(BenchLeader Index 62.6 比 57.7)。不过,DeepSeek V4.1 Flash 更便宜,对方的价格是它的 7.6 倍(每百万 token 混合价格 $0.525 比 $4.00)。看重多模态(63 比 61)选 DeepSeek V4.1 Flash;看重知识(61 比 48)、推理(66 比 56)和数学(68 比 61)选 GPT-6 Sol。DeepSeek V4.1 Flash 的输出更快。

要点(截至 2026年11月16日)

  • DeepSeek V4.1 Flash 的 BenchLeader Index 为 57.7,GPT-6 Sol 为 62.6(BenchLeader,2026年11月16日)。
  • DeepSeek V4.1 Flash 每百万 token 混合价格为 $0.525(标价,2026年11月16日)。
  • GPT-6 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • DeepSeek V4.1 Flash 比 GPT-6 Sol 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 48 项基准测试中,GPT-6 Sol 领先 37 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,DeepSeek V4.1 Flash 1017 的评分为 1664,GPT-6 Sol 为 1673(LMArena,截至 2026年11月16日 的公布数据)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程GPT-6 Sol类别得分 66 比 63;Arena WebDev 1673 比 1664中
智能体与工具调用GPT-6 Sol类别得分 59 比 58;Terminal-Bench 50.3% 比 38.5%中
数学GPT-6 Sol类别得分 68 比 61;FrontierMath Tiers 1–3 89.8% 比 71.2%中
推理GPT-6 Sol类别得分 66 比 56;GPQA Diamond 94.3% 比 93.2%高
知识GPT-6 Sol类别得分 61 比 48;SimpleQA Verified 60.7% 比 42.5%高
长文档均可类别得分 66 比 67;AA-LCR v1.1 82.7% 比 83.7%均可
图像及其他媒体DeepSeek V4.1 Flash 1017类别得分 63 比 61;MMMU-Pro 80.6% 比 83.0%中
对话质量(人类偏好)–只有 GPT-6 Sol 有 Arena 评分(类别得分 64)无法比较
成本最低DeepSeek V4.1 Flash 1017每百万 token 混合价格 $0.525 比 $4.00;智能体编程会话 $0.023 比 $0.160–
首次回答最快均可首个回答 token 39.7 秒(DeepSeek V4.1 Flash 1017 (max))比 36.9 秒(GPT-6 Sol (max))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 质量上 GPT-6 Sol (max) 领先:62.6 比 57.7。
  • DeepSeek V4.1 Flash 1017 (max) 在多模态方面更强。
  • GPT-6 Sol (max) 在智能体与工具、编程、知识、长上下文、数学、推理方面更强。
  • DeepSeek V4.1 Flash 1017 (max) 更便宜,对方的价格是它的 7.6 倍(每百万 token 混合价格 $0.525 比 $4.00)。
  • DeepSeek V4.1 Flash 1017 (max) 的输出速度是对方的 1.4 倍(174 比 127 token/秒)。

概览

规格DeepSeek V4.1 Flash 1017GPT-6 Sol
提供商DeepSeekOpenAI
发布日期2026年10月17日2026年9月22日
上下文窗口(token)1,048,5761,050,000
对比时的配置DeepSeek V4.1 Flash 1017 (max)GPT-6 Sol (max)
开放权重是否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.300 / $1.20 / $0.0060$2.00 / $10.00 / $0.200

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别DeepSeek V4.1 Flash 1017 (max)GPT-6 Sol (max)领先者
推理55.766.0GPT-6 Sol
编程63.066.3GPT-6 Sol
智能体与工具57.658.8GPT-6 Sol
数学60.968.0GPT-6 Sol
知识47.760.6GPT-6 Sol
人类偏好–64.2无法比较
多模态63.060.6DeepSeek V4.1 Flash 1017
长上下文66.066.6持平
综合55.5–无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具数学知识长上下文多模态DeepSeek V4.1 Flash 1017, 推理: 55.7DeepSeek V4.1 Flash 1017, 编程: 63.0DeepSeek V4.1 Flash 1017, 智能体与工具: 57.6DeepSeek V4.1 Flash 1017, 数学: 60.9DeepSeek V4.1 Flash 1017, 知识: 47.7DeepSeek V4.1 Flash 1017, 长上下文: 66.0DeepSeek V4.1 Flash 1017, 多模态: 63.0GPT-6 Sol, 推理: 66.0GPT-6 Sol, 编程: 66.3GPT-6 Sol, 智能体与工具: 58.8GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知识: 60.6GPT-6 Sol, 长上下文: 66.6GPT-6 Sol, 多模态: 60.6

未绘制(测得的模型少于两个):指令遵循, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 48 项基准测试中,DeepSeek V4.1 Flash 1017 领先 11 项,GPT-6 Sol 领先 37 项。所有同时评测两者的综合评分都认为 GPT-6 Sol 更强。

综合 IndexDeepSeek V4.1 Flash 1017 (max)GPT-6 Sol (max)领先者
BenchLeader Index57.762.6GPT-6 Sol
AA Intelligence Index v5.0.132.644.2GPT-6 Sol

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标DeepSeek V4.1 Flash 1017 (max)GPT-6 Sol (max)
每百万 token 混合价格$0.525$4.00
每百万 token 输入 / 输出$0.300 / $1.20$2.00 / $10.00
每百万 token 缓存输入$0.0060$0.200
每项任务价格:聊天回复$0.0005$0.0038
每项任务价格:总结一份 30 页的报告$0.0043$0.030
每项任务价格:代码编辑$0.0036$0.027
每项任务价格:智能体编程会话$0.023$0.160
每项任务价格:结构化信息提取$0.0008$0.0060
智能体编程会话(输入大多命中缓存)$0.0096$0.079
每项基准测试任务成本(AA Index)$0.602$2.47
每项任务输出 token(AA Index)139k54k
其中推理部分91k35k
每项任务耗时(AA Index)13 min7 min
输出速度174 tok/s127 tok/s
首次回答时间39.7 秒36.9 秒
完整回答耗时(最近一次测量 2026年11月13日)91.2 秒143.8 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 DeepSeek V4.1 Flash 1017 (max) 上花费 $0.602,在 GPT-6 Sol (max) 上花费 $2.47;完成同样的工作,DeepSeek V4.1 Flash 1017 (max) 输出的 token 是对方的 2.6 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。DeepSeek V4.1 Flash 1017 (max) 得分 57.7,首个回答 token 需 40 秒;DeepSeek V4.1 Flash 1017 (high) 为 51.2(20 秒),DeepSeek V4.1 Flash 1017 (无推理) 为 44.9(1 秒)。GPT-6 Sol (max) 得分 62.6,首个回答 token 需 37 秒;GPT-6 Sol (xhigh) 为 58.4(19 秒),GPT-6 Sol (high) 为 58.1(6 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 145 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方DeepSeek V4.1 Flash 1017 (max)GPT-6 Sol (max)
BenchLeader IndexBenchLeader57.762.6
智能体与工具得分BenchLeader57.658.8
编程得分BenchLeader63.066.3
综合得分BenchLeader55.5–
知识得分BenchLeader47.760.6
长上下文得分BenchLeader66.066.6
数学得分BenchLeader60.968.0
多模态得分BenchLeader63.060.6
推理得分BenchLeader55.766.0
人类偏好得分BenchLeader–64.2
混合价格(美元/百万 token)BenchLeader$0.525$4.00
输出速度BenchLeader174 tok/s127 tok/s
首次回答时间BenchLeader39.7 秒36.9 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.2%94.3%
SimpleBenchSimpleBench–73.1%†
Arena Hard PromptsArena (LMArena)–1483
LiveBench 2.0 ReasoningLiveBench89.1%–
LiveBench 1.0 ReasoningLiveBench–88.7%
Humanity's Last Exam (AA)Artificial Analysis43.3%47.9%
HLE-Diamond (AA)Artificial Analysis25.3%45.2%
ARC-AGI-1ARC Prize93.5%95.5%
ARC-AGI-2ARC Prize78.1%89.6%
ARC-AGI-3ARC Prize5.8%23.0%
CritPtArtificial Analysis24.0%30.9%
CritPt v2 hard subset (AA)Artificial Analysis25.0%66.5%
MysteryMechanismVals AI–30.2%
HLE-Diamond (Scale)Scale AI SEAL20.5%†33.8%†
Arena ExpertArena (LMArena)–1496
Chess PuzzlesEpoch AI Benchmarking Hub46.0%56.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub49.0%56.0%
LMCAEpoch AI Benchmarking Hub–59.1%
DTBenchEpoch AI Benchmarking Hub–97.3%
编程
SciCodeSciCode55.9%57.6%
FrontierCodeCognition–49.3%
Arena CodingArena (LMArena)–1521
Arena WebDevArena (LMArena)16641673
LiveBench 2.0 CodingLiveBench80.4%–
LiveBench 1.0 CodingLiveBench–81.8%
显示全部 145 项基准测试
指标发布方DeepSeek V4.1 Flash 1017 (max)GPT-6 Sol (max)
编程
IOIVals AI–82.6%
Code MigrationVals AI44.2%57.2%
Code Migration v1.1Vals AI67.5%–
ProgramBenchVals AI–2.0%
Vibe Code Bench v1.1Vals AI87.7%87.8%
Vibe Code Bench 1-100 v1.1Vals AI26.1%–
MirrorCodeEpoch AI Benchmarking Hub–48.9%
CursorBenchCursor47.7%–
ALE-BenchEpoch AI Benchmarking Hub16222462
WeirdML v3WeirdML9.2%†19.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis33.8%43.9%
GameBench 2 OverallDuelLab GameBench 261.4†73.0†
GameBench 2 by reasoning settingDuelLab GameBench 269.979.4†
Design Arena WebsiteDesign Arena1295†1290†
FrontierCode 1.1 (AA)Artificial Analysis43.7%–
FrontierCode 2.0 (AA)Artificial Analysis28.5%35.6%
智能体与工具
Terminal-BenchTerminal-Bench38.5%50.3%
APEX-AgentsMercor69.8%54.3%
Arena AgentArena (LMArena)26.9
LiveBench Long AgenticLiveBench38.8%–
LiveBench BrowserLiveBench67.2%–
LiveBench Agentic CodingLiveBench–52.9%
Terminal-Bench 2.1 (Vals)Vals AI–83.2%
GDPval-AA v2.1, normalised scoreArtificial Analysis62.3%–
GDPval-AA v2.1Artificial Analysis17461514
ITBench SRE (AA)Artificial Analysis–49.4%
CyberBenchVals AI–78.0%
Finance Agent v2Vals AI57.0%49.0%
Finance Agent v2.1Vals AI62.9%–
Harvey's Legal Agent Benchmark v1.1Vals AI14.2%–
Harvey's Legal Agent Benchmark v1Vals AI9.2%1.7%
Legal Research BenchVals AI45.2%28.9%
SREBenchVals AI–30.5%
Tax Agent BenchVals AI44.4%15.0%
Terminal-Bench 4.0 (Vals)Vals AI31.8%44.4%
Terminal-Bench ScienceVals AI–30.0%
Arena SearchArena (LMArena)–1229
Arena Agent Task CompletionArena (LMArena)2.34.5
Vending-Bench 2Andon Labs–14427.9†
SpireClimbEpoch AI Benchmarking Hub–9.2%
AutomationBenchArtificial Analysis66.6%61.6%
GDP.pdf (AA)Artificial Analysis17.2%25.2%
Harvey LAB-AA v1.1Harvey–3.6%
AA-Briefcase v1.1Artificial Analysis15701476
GDPxGDPx by SemiAnalysis5.4%–
Design Arena AgenticDesign Arena1282†1218†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis12.9%30.0%
CWE-Bench (AA)Artificial Analysis69.2%64.2%
DeepSec-Bench (AA)Artificial Analysis24.9%46.3%
CyberGym end-to-end (AA)Artificial Analysis76.3%0.0%
MKA (AA)Artificial Analysis38.5%–
FACTS SearchGoogle–92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub71.2%89.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%90.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub99.4%100.0%
ProofBenchVals AI–83.0%†
LiveBench MathematicsLiveBench–96.4%
ArXivMathMathArena42.5%–
BrokenArXivMathArena48.7%–
Arena MathsArena (LMArena)–1440
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub42.5%60.7%
LiveBench 2.0 Data AnalysisLiveBench79.5%–
LiveBench ResearchLiveBench78.6%–
LiveBench 1.0 Data AnalysisLiveBench–81.2%
AA-Omniscience v1.1Artificial Analysis0.921.4
PRBench FinanceScale AI SEAL47.1%†–
PRBench LegalScale AI SEAL47.3%†38.6%†
BioMysteryBenchVals AI–74.8%
Excel Modeling BenchmarkVals AI61.8%71.5%
Excel Modeling Benchmark v1.1Vals AI69.2%–
MedCodeVals AI–47.1%
MedScribeVals AI–82.0%
Public Benefits Bench v1.1Vals AI–56.6%
Access to Justice BenchmarkVals AI73.1%–
Financial Coaching BenchVals AI–62.6%
DrugDiscoveryBenchScale AI SEAL60.6%†–
EBR-benchEpoch AI Benchmarking Hub–53.3%
GDP.pdfEpoch AI Benchmarking Hub–26.4%
AA-Omniscience v1.1: accuracyArtificial Analysis39.6%51.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis35.9%39.1%
HealthBench Professional (AA)OpenAI–62.3%
FACTS ParametricGoogle–76.1%†
指令遵循
LiveBench LanguageLiveBench–85.3%
LiveBench Instruction FollowingLiveBench–68.6%
MultiChallengeScale AI SEAL74.9%†–
Arena Instruction FollowingArena (LMArena)–1449
人类偏好
Arena TextArena (LMArena)–1457
EQ-Bench Creative Writing v3EQ-Bench–2126†
Arena Creative WritingArena (LMArena)–1428
Arena Multi-turnArena (LMArena)–1468
Arena Longer QueriesArena (LMArena)–1466
多模态
Arena VisionArena (LMArena)–1233
LiveBench DesignLiveBench79.8%–
MMMU-ProArtificial Analysis80.6%83.0%
Humanity's Sixth SenseScale AI SEAL30.1%31.2%
Blueprint-Bench 2Epoch AI Benchmarking Hub–36.9%†
Furniture AssemblyEpoch AI Benchmarking Hub–58.3%
VIALS-AAHandshake AI40.4%–
AA-3DArtificial Analysis–1131
FACTS MultimodalGoogle–43.9%†
长上下文
AA-LCR v1.1Artificial Analysis82.7%83.7%
MLCRArtificial Analysis26.7%33.9%
FACTS GroundingGoogle–83.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub159.4†163.8†
LiveBench 2.0LiveBench70.3%–
LiveBench 1.0LiveBench–79.3%
AA Intelligence Index v5.0.1Artificial Analysis32.644.2
AA Intelligence Index v4.3.2Artificial Analysis45.147.6
AA Progress Index v1Artificial Analysis323.7334
Vals IndexVals AI61.3–
Vals Finance IndexVals AI60.9%–
Vals RSI IndexVals AI–28.1%
Vals Science IndexVals AI–45.0%
Vals Router IndexVals AI61.3%†–
Vals Legal IndexVals AI71.9%–
AA Cyber IndexArtificial Analysis56.836.8
安全与诚实
FORTRESSScale AI SEAL27.2%†13.5%†
DistressBenchScale AI SEAL–68.0%†
元数据
AA Openness IndexArtificial Analysis44.4–

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • DeepSeek V4.1 Flash 1017 (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • DeepSeek V4.1 Flash 1017 (max):BenchLeader Index 58.5 → 58.0。
  • GPT-6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • DeepSeek V4.1 Flash 1017 (max):1 项新结果(Terminal-Bench);1 项分数修订。
  • DeepSeek V4.1 Flash 1017 (max):BenchLeader Index 59.0 → 58.5。
  • DeepSeek V4.1 Flash 1017 (max):1 项分数修订。
  • GPT-6 Sol (max):1 项新结果(MirrorCode)。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • GPT-6 Sol (max):2 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

DeepSeek V4.1 Flash 1017 vs GPT-6 Sol:常见问题

GPT-6 Sol 比 DeepSeek V4.1 Flash 1017 更好吗?
质量上 GPT-6 Sol (max) 领先:62.6 比 57.7。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,GPT-6 Sol (max) 总体领先,但请结合你的用途查看各类别得分。
DeepSeek V4.1 Flash 1017 和 GPT-6 Sol 哪个更便宜?价格会变吗?
目前 DeepSeek V4.1 Flash 1017 更便宜:每百万 token $0.525 比 $4.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 DeepSeek V4.1 Flash 1017 还是 GPT-6 Sol 更好?
GPT-6 Sol 在编程方面得分更高(类别得分 66 比 63,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,DeepSeek V4.1 Flash 1017 为 1664,GPT-6 Sol 为 1673。
DeepSeek V4.1 Flash 1017 和 GPT-6 Sol 哪个更快?
DeepSeek V4.1 Flash 1017 输出更快(输出 174 比 127 token/秒,Artificial Analysis 7 日中位数)。
DeepSeek V4.1 Flash 和 DeepSeek V4.1 Flash 1017 是同一个模型吗?
本页对比的检查点是 DeepSeek V4.1 Flash 1017(BenchLeader Index 57.7);它取代了之前的版本,因此搜索 DeepSeek V4.1 Flash 的用户也会来到本页。
更多问题(5)
智能体和工具调用用 DeepSeek V4.1 Flash 1017 还是 GPT-6 Sol 更好?
GPT-6 Sol 在智能体任务方面得分更高(类别得分 59 比 58,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,DeepSeek V4.1 Flash 1017 为 38.5%,GPT-6 Sol 为 50.3%。
处理长文档哪个更好?
两者在长上下文基准测试上持平(66 比 67)。两者都约为 1.1M token(DeepSeek V4.1 Flash 1017 为 1,048,576,GPT-6 Sol 为 1,050,000)。
哪个延迟更低?
GPT-6 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 36.9 秒比 39.7 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 DeepSeek V4.1 Flash 1017 和 GPT-6 Sol 的看法一致吗?
在两者都有结果的 48 项基准测试中,DeepSeek V4.1 Flash 1017 领先 11 项,GPT-6 Sol 领先 37 项。所有同时评测两者的综合评分都认为 GPT-6 Sol 更强。
DeepSeek V4.1 Flash 1017 是什么时候发布的?
DeepSeek V4.1 Flash 1017 于 2026年10月17日 发布。